當前位置:文範網 >

企業文化 >方案模板 >

“評先、考評”方案

“評先、考評”方案

“評考評”方案

“評先、考評”方案

公司各部、辦、車間:

2017年在公司領導帶領下,堅持穩中求進工作總基調,迎難而上,開拓進取,全體員工共同努力下,總體生產經營狀況良好。為弘揚正氣,樹立典型,更好地做好2018年的工作;同時為加強管理幹部隊伍建設,強化管理,引入競爭機制,建立健全優勝劣汰,能上能下的管理機制,經總經理辦公會研究決定,將對在2017年度員工進行考評同時對工作中表現突出的進行獎勵和表彰,現將有關事宜通知如下。

一、評先、評聘、考評釋義

“評先”。公司每年對工作業績突出的評選出先進個人、先進集體,並對獲獎者給予相應的浮動工資。

“評聘”。公司每年對具有突出技術、技能併為公司生產經營做出卓越貢獻的技術崗位高技能人才評聘為公司的“大工匠”,聘期為一年,並對其進行一次性獎勵同時享受相應等級的津貼。

“考評”。公司每年對管理崗位人員(不包括車間技術員、核算員)的工作能力水平和工作業績進行的崗位測評,並根據測評結果給予獎勵和處罰。

評評範圍及條件:

(一)參選基本條件

1、在公司工作滿一年全體員工(試用期滿即可參評工匠);

2、全年出勤率不低於98%(全年缺勤不超過7天),工匠評選出勤率不低於公司的平均出勤率。

(二)評先範圍及條件

1、勞動模範:

參評範圍:全體員工

參評條件:敬業愛崗,開拓創新,具備強烈的主人翁責任感和高尚的道德情操,在員工中切實發揮了楷模和表率作用。在本職工作崗位上忠於職守,勤奮工作,樂於奉獻,並做出突出貢獻。在技術革新、技術攻關、6S、合理化建議活動中成績顯著,為提高公司經濟效益作出重要貢獻。在提高勞動生產率,提高成品質量,搞好安全生產等方面貢獻突出。

2、優秀黨員:

參評範圍:全體黨員

參評條件:思想作風好、政治覺悟高、工作表現好,具有強烈的事業心和責任感,在工作中勇於擔當,能夠密切聯繫羣眾,在本職工作中吃苦耐勞、樂於奉獻,起模範帶頭作用。

3、優秀管理者:

參評範圍:管理崗位員工(不包括車間技術員、核算員)

參評條件:對企業忠誠、思想進步、品德高尚、樂於奉獻,具有高度的責任感和使命感,有全局觀念,配合和協作意識強;能夠用己之所長,來指導生產、帶動團隊,在公司全年的各項管理工作表現優異。

4、優秀員工:

參評範圍:全體員工

參評條件:在本崗位表現出色,個人水平出眾、業績突出,有開拓進取、吃苦耐勞精神,能夠處理本崗位生產經營過程中遇到的重大難題,響應公司號召,嚴格執行公司各項規章制度。

5、奉獻獎:

參評範圍:全體員工

參評條件:品行端正、吃苦耐勞、無私奉獻,在工作中嚴肅認真、任勞任怨、恪盡職守,嚴格遵守公司的各項規章制度,工作表現優異,成績顯著。

6、先進班組:

參評範圍:各車間、部門班組

參評條件:堅決貫徹執行公司的路線、方針、政策,切實履行職責,圓滿完成本部所負擔的工作任務和領導交辦的其他工作。參評班組全年無工傷、生產、設備、質量責任事故。班組成員全年違規違紀行為累計不超過2人次,且出勤率不低於公司的平均出勤率。班組內民主氣氛好,集體觀念強,團結一致,相互配合,團隊精神強。

7、安全班組:

參評範圍:各車間生產班組

參評條件:全年無工傷、生產、設備、質量責任事故。在工作中認真遵守安全操作規程,在安全方面表現突出,工作業績明顯。班組成員全年違規違紀行為累計不超過2人次,且出勤率不低於公司的平均出勤率。

8、先進組織(委員會):

參評範圍:公司成立的各類領導小組、委員會

參評條件:堅決貫徹執行公司的路線、方針、政策,切實履行職責,完成公司交辦各項任務。

(三)評聘大工匠範圍及條件

遵紀守法,愛崗敬業,科學管理,技能精湛,勇於創新,有良好的職業操守和道德品行,在崗位上做出突出貢獻;出勤率原則上不低於全公司平均出勤率(婚假、喪假除外)。具體條件:

1、個人職業技能在崗位中處於領先水平。

2、技術上有重大發明創造或重大技術革新成果,在公司技術改造、引進吸收高新技術、解決關鍵技術難題、消除重大安全隱患等方面有重要建樹。

3、刻苦鑽研技術,具有絕技絕活,創造先進操作方法。

4、跟蹤本崗位技術、管理前沿,推廣先進適用技術,先進管理理念,科學的管理方法,創造性的工作,為公司創造顯著經濟效益。

5、注重節能減排,善於研發新技術、新工藝、新材料、新產品、新設備,為公司發展做出重要貢獻。

6、在企業職工羣眾中獲得廣泛認可,具有奉獻精神和團隊意識,積極以師帶徒、傳授技藝,所帶徒弟成為企業技能骨幹。

7、在省級技能競賽中獲名次的,可直接評聘為宏昌大工匠。

標籤: 評先 考評 方案
  • 文章版權屬於文章作者所有,轉載請註明 https://wenfanwang.com/qiyewenhua/fanganmuban/nglkj.html
專題